Pobreza Multidimensional en el Pacífico Colombiano, 2018

Pobreza multidimensional en el Pacifico colombiano para el año 2018
Diana Camila Fernandez Ospina - 2040173
Jaider Klinger Carabalí - 2028235
Resumen
Haciendo uso de datos tomados del DANE y DNP para el año 2018, se estimó un modelo
probit y uno logit con la finalidad de conocer los determinantes de la probabilidad de pobreza
en el Pacifico colombiano. Al estimar se encontró que la TMI y los ingresos tributarios de los
municipios explican significativamente esa probabilidad. No obstante, se sugiere optar por
variables más relacionadas con las dimensiones e indicadores abordados para la medición del
IPM en el Pacifico colombiano.
I.
Introducción
La región Pacífica es una de las seis regiones que conforman Colombia. Esta región se
distingue por su vasta riqueza natural, étnica y cultural. Sin embargo, al evaluar otros
aspectos que inciden en la medición de la pobreza multidimensional, es aquí donde se
evidencia una afectación en la calidad de vida y las oportunidades a las que se puede acceder
desde estos territorios. La historia ha dejado en claro los problemas y desafíos que enfrentan
las comunidades locales. La violencia y el abandono económico por parte del gobierno han
dejado secuelas evidentes en los niveles de pobreza y desigualdad. Esto se traduce en un
acceso limitado a servicios básicos, infraestructura y oportunidades de empleo digno.
Dado estos desafíos, es crucial en el ámbito de la investigación y medición de indicadores
como el Índice de Pobreza Multidimensional (IPM), que refleja el estado y la calidad de vida,
considerar múltiples perspectivas más allá del simple nivel de ingreso en los diferentes
municipios. En este informe, se ha contemplado analizar esta población para comprender las
diversas perspectivas y situaciones que, para el año 2018, contribuyeron a los índices
registrados, los cuales fueron desglosados por variables por parte del Departamento
Administrativo Nacional de Estadística (DANE).
Para este estudio utilizamos datos de corte transversal, tomados del DANE y del DNP, de 152
municipios del pacifico colombiano, para estimar un modelo probit y uno logit, y a partir de
ciertos criterios elegir el mejor modelo.
Una de nuestras motivaciones es conocer qué factores explican la pobreza en el pacifico,
alejándonos inicialmente de los indicadores que componen el IPM y dando principal énfasis a
los sectores de la economía (primario, secundario y terciario). La hipótesis es que nuestras
variables independientes expliquen la probabilidad de ser pobre multidimensional o no
(haciendo uso del criterio que se define más adelante) y presenten significancia estadística.
Este documento se dividirá en 5 secciones. En la sección de a continuación abordaremos
algunos trabajos realizados sobre el tema en cuestión. Posteriormente, en la tercera sección se
presentará la metodología empleada para el desarrollo del estudio. Luego, en la cuarta, hará
un análisis de los resultados obtenidos y finalmente, en la sección quinta, se presentarán las
conclusiones.
II.
Revisión Bibliográfica
Abordar la pobreza desde una perspectiva multidimensional radica en la necesidad de
comprender la complejidad de este fenómeno, que va más allá de la mera falta de recursos
económicos. Al considerar aspectos como la educación, la salud, el empleo, la vivienda y
otros indicadores de bienestar, se obtiene una visión más completa de las condiciones de vida
de las personas en situación de pobreza. Esta aproximación integral permite identificar las
causas estructurales de la pobreza, así como las interacciones entre diferentes dimensiones
que pueden perpetuarla. Además, al analizar la pobreza desde múltiples perspectivas, se
pueden diseñar políticas públicas más efectivas y adaptadas a las necesidades específicas de
cada grupo poblacional y región geográfica, lo que resulta fundamental para lograr un
impacto significativo en la reducción de la pobreza y la mejora del bienestar de la población
vulnerable. (Medina et al., 2021).
En el artículo La persistencia de la pobreza en el Pacífico colombiano y sus factores
asociados se ofrece un análisis exhaustivo de la pobreza y las desigualdades presentes en la
región del Pacífico colombiano. Sus autores examinan detalladamente los factores que
contribuyen a la persistencia de la pobreza en esta zona, considerando múltiples dimensiones
más allá del ingreso monetario.
A través de la utilización de distintas herramientas, el estudio revela la complejidad de la
pobreza en el Pacífico colombiano. Se señala que, independientemente del indicador
utilizado, la incidencia de la pobreza en la región es significativamente alta, especialmente en
áreas como Chocó y algunos municipios del Cauca. Asimismo, se menciona que factores
como el capital humano, el conflicto armado y el gasto público han contribuido a perpetuar a
estos municipios en una “trampa espacial de pobreza”. Por lo tanto, se destaca la importancia
de abordar no sólo la privación económica, sino también las carencias en educación, salud,
vivienda y empleo. Se identifican áreas prioritarias de intervención para reducir las brechas
sociales y promover el desarrollo sostenible en la región.
Según los autores, el IPM posee varias ventajas para la identificación de las personas pobres
respecto al resto de índices: tiene en cuenta las contribuciones de Sen en cuanto a concebir la
pobreza no solo como insuficiencia de ingresos sino también como un estado de privación de
capacidades; tiene en cuenta 15 variables en las cuales las personas pueden sufrir privación y
por último, está construido con variables susceptibles de modificación por medio de la
política pública
Los hallazgos del artículo subrayan la necesidad de políticas públicas inclusivas y acciones
afirmativas para combatir la pobreza de manera integral. Se insiste en la necesidad de
garantizar el acceso a servicios básicos y fomentar la generación de empleo digno como
estrategias fundamentales para impulsar el bienestar de la población y promover la igualdad
de oportunidades.
III.
Metodología
Según el DANE (2019), en Colombia la metodología para el cálculo de la pobreza
multidimensional fue diseñada por el Departamento Nacional de Planeación (DNP),
adoptando la metodología de Alkire y Foster. Este índice comprende cinco dimensiones:
condiciones educativas del hogar, situación de la niñez y juventud, salud, empleo, acceso a
servicios públicos domiciliarios y condiciones de la vivienda. Este índice se compone de 15
indicadores, y se considera que una persona (o grupo poblacional) está en situación de
pobreza multidimensional cuando su hogar está privado en al menos un tercio de los aportes
de estos indicadores relacionados con dicha situación.
En otras palabras, un hogar (municipio en este caso) se considera pobre
multidimensionalmente si cuenta con privaciones en el 33,3 % de los indicadores (5/15). Por
la tanto, se infiere que a partir del valor de 66,7 en adelante de IPM, un municipio es
considerado pobre multidimensionalmente.
Tomando lo anterior como referencia definimos nuestro umbral de pobreza, lo que nos
permitirá categorizar nuestra variable dependiente (dicótoma). Los municipios de la muestra
que tengan un valor de IPM igual o mayor a 66,7 tomarán el valor de 1 y serán considerados
como pobres, aquellos que estén por debajo de ese valor tomarán el valor de 0 y serán
considerados no pobres. Las variables regresoras (o independientes) son las siguientes:
● Valor agregado del sector primario (Actpri)
● Valor agregado del sector secundario (Actsecun)
● Valor agregado del sector terciario (Acterc)
Los valores agregados por sectores (en miles), obtenidos del DANE, son variables
cuantitativas continuas. Se espera que estas variables tengan una relación negativa
respecto al IPM. Es decir, cuando el valor agregado de estos sectores aumente, la
probabilidad de un municipio de ser pobre multidimensionalmente disminuya.
● Tasa de Mortalidad Infantil (TMI): Variable cuantitativa continua, tomada de la
base de datos del DNP, TerriData. Lo esperado es que esta variable tenga una relación
positiva con el IPM. Cuando la TMI aumente (disminuya), la probabilidad de un
municipio de ser pobre multidimensionalmente aumente (disminuya).
● Ingresos Tributarios (Ingre tri): Variable cuantitativa continua, tomada de la base de
datos del DNP, TerriData. Se espera que tengan una relación negativa respecto al IPM.
Es decir que, cuando los ingresos tributarios del municipio aumenten, la probabilidad
de ser pobre multidimensionalmente disminuya.
Dado que nuestra variable dependiente es dicótoma, se procedió a construir dos modelos: uno
probit y uno logit y a partir del criterio AIC, se escogió el mejor modelo.
IV.
Análisis empírico
Nuestra base de datos cuenta con 152 observaciones, de municipios pertenecientes a los
cuatro departamentos de la región del pacifio olombiano: Cauca, Chocó, Valle del Cauca y
Nariño. El 17 % de los municipios de la muestra, tal como se evidencia en la figura 1,
superan el umbral de pobreza definido bajo los criterios mencionados en la sesión anterior.
Figura 1
Figura 2. Diagrama de caja TMI sobre IPM
El diagrama de caja anterior explica la relación de la tasa de mortalidad infantil sobre el
índice de pobreza multidimensional, es decir que para los datos de correspondientes a 0 la
TMI infantil es más baja a comparación de los correspondientes 1, en nuestro caso las
personas con IPM mas alto tienden a tener una mayor tasa de mortalidad infantil.
Modelo probit:
𝑃(IPM𝑖 = 1|𝑿𝒊 ) = Φ(𝛽0 + 𝛽1Actpri𝑖 + 𝛽2Actsecun𝑖 + 𝛽3Acterci𝑖 + 𝛽4TMI𝑖 + 𝛽5Ingre tri𝑖 + 𝜀𝑖
)
Modelo logit:
𝑃(IPM𝑖 = 1|𝑿𝒊 ) = Λ(𝛽0 + 𝛽1Actpri𝑖 + 𝛽2Actsecun𝑖 + 𝛽3Acterci𝑖 + 𝛽4TMI𝑖 + 𝛽5Ingre tri𝑖 +
𝜀𝑖 )
Para elegir entre los modelos, se pueden emplear distintos criterios de información. En este
caso, dado que ambos modelos comparten las mismas variables tanto independientes como
dependientes, se usaron los criterios bayesiano (BIC) y Akaike (AIC). Aquel modelo que
presente un valor más bajo en estos criterios será preferido. En este caso, el modelo logit es el
que cumple con esta condición. Por consiguiente, se procederá a interpretar los resultados
obtenidos a partir de este modelo.
Figura 3. Criterios de información
Modelo Logit
Figura 4. coeficientes del modelo logit
Dado que nuestra variable es dicótoma y, en consecuencia, usamos el método de Máxima
Verosimilitud y no el método de Mínimos Cuadrados Ordinarios, no podemos interpretar
directamente los coeficientes arrojados por el modelo sino únicamente sus signos, lo que nos
permitirá identificar las relaciones entre la variable regresada y las regresoras.
Los resultados indican, tal como se esperaba, que existe una relación negativa entre los
valores agregados de los sectores primario, secundario y terciario y el IPM. Sin embargo,
estas tres variables carecen de significancia estadística, lo que significa que este resultado
solo será válido para la muestra. La TMI, en cambio, sí presenta significancia estadística y su
resultado (la relación positiva con el IPM) es el esperado. En el caso de los ingresos
tributarios, la relación la variable dependiente es contraria a lo esperado, el resultado indica
una relación positiva. Es decir que cuando los ingresos tributarios aumentan (disminuyen), el
IPM también aumenta (disminuyen). Este resultado contraintuitivo podría ser atribuible a
ineficiencias en la asignación de recursos. Es posible que los fondos recaudados a través de
impuestos podrían estar siendo dirigidos hacia áreas que no tienen un impacto significativo
en la reducción de la pobreza. Además, en nuestra muestra, hemos observado la presencia de
numerosos municipios con estructuras de recaudación notablemente débiles. Es importante
recordar que la autonomía municipal ha sido esquiva para la mayoría de estos municipios, y
las reformas implementadas no han logrado modificar las estructuras de dominación y control
político. Por lo tanto, parte del rezago experimentado por estos municipios, entre otros
factores, se atribuye a la debilidad institucional que caracteriza a estas entidades a la hora de
asumir la gestión local (Cardona, 2013).
Para encontrar los efectos marginales se recurrió a las razones de probabilidad (odd ratios, en
inglés):
Figura 5. Razones de probabilidad (Odds Ratio) del modelo Logit
Las interpretaciones a continuación deben considerarse con todo lo demás constante:
● Valor agregado del sector primario (Actpri): El aumento en una unidad del valor
agregado del sector primario de un municipio, hace que sea 0.970 veces menos
probable ser multidimensionalmente pobre.
● Valor agregado del sector secundario (Actsecun): El aumento en una unidad del
valor agregado del sector secundario de un municipio, hace que sea 0.884 veces
menos probable ser multidimensionalmente pobre.
● Valor agregado del sector terciario (Acterc): El aumento en una unidad del valor
agregado del sector terciario de un municipio, hace que sea 0.994 veces menos
probable ser multidimensionalmente pobre.
● Tasa de Mortalidad Infantil (TMI): El aumento en una unidad de la TMI en un
municipio, lo hace 1.042 veces más probable de ser pobre multidimensional
● Ingresos Tributarios (Ingre tri): El aumento en una unidad en los ingresos
tributarios de un municipio, lo hace 1.0004 veces más probable de ser pobre
multidimensional.
Es necesario señalar que en todos los casos los valores son muy cercanos a 1, lo cual pone en
duda la validez de estos resultados y sugiere que esta puede que no sea una herramienta útil al
momento de predecir la probabilidad.
𝑅² de Mcfadden
Los resultados del Mcfadden pueden tomar valores entre 0 y 1 y, ante la imposibilidad de
usar el 𝑅² ajustado, es esto lo que nos permitirá evaluar el ajuste del modelo. Se emplea la
regla del pseudo 𝑅², que establece que un valor de McFadden en el intervalo de 0.2 a 0.4 es
indicativo de un modelo efectivo. Nuestro 𝑅² de McFadden, como se evidencia en la figura 5,
es 0.3976. En consecuencia, se concluye que, según los parámetros de McFadden, el modelo
logit es considerado bueno.
Figura 6. Resultado 𝑅² de Mcfadden
V.
Conclusiones
Este estudio permitió determinar que la TMI y los ingresos tributarios tienen un impacto
positivo en la probabilidad de pobreza multidimensional en el Pacifico colombiano. La
relación de la variable ingresos tributarios diverge de nuestra hipótesis inicialmente
planteada, lo que sugiere una revisión de la asignación de ingresos tributarios para asegurar
que los recursos se utilicen de manera eficiente y se dirijan a áreas que impacten
significativamente en la reducción de la pobreza multidimensional. La falta de significancia
estadística en algunas variables evidencia la necesidad de considerar otros factores, en lo
posible que contemplen las 5 dimensiones del IPM, para obtener resultados más robustos.
Adicionalmente, un análisis espacial podría capturar los patrones geográficos en la
distribución de la pobreza multidimensional y permitir identificar áreas para focalizar mejor
las políticas.
Referencias bibliográficas
Cardona, A. (2013). El Pacifico colombiano: Gestión pública y capacidad institucional de los
municipios costeros. Universidad del Pacífico.
DANE (2018). Boletín Técnico Pobreza Multidimensional. Disponible en:
https://www.dane.gov.co/files/investigaciones/condiciones_vida/pobreza/2019/Boletin_Regio
n_bt_pobreza_multidimensional_19_pacifica.pdf
Galvis A, Moyano L & Alba C (2016). La persistencia de la pobreza en el Pacífico
colombiano y sus factores asociados. Banco de la República de Colombia. Disponible en:
https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/dtser_238.pdf
Medina E, Sierra L & Domínguez A (2021). Perspectiva multidimensional de la pobreza
en
los
hogares
colombianos.
Sociedad
&
Eonomía.
Disponible
http://www.scielo.org.co/pdf/soec/n44/2389-9050-soec-44-e10310734.pdf
en: